- 01/20
- 2022
-
QQ扫一扫
-
Vision小助手
（CMVU）
为促进中国机器视觉行业快速繁荣发展，帮助从业人员更好、更快地学习到系统的专业知识，加强行业内部交流。机器视觉产业联盟(CMVU)与阿里巴巴达摩院工业视觉智能研究院将于2022年8月16日-20日在苏州举办华东区机器视觉技术工业应用讲习班。
当今，数字化、网络化、智能化正在重塑制造业，特别是以人工智能为首的新一代信息技术及应用在制造业高质量发展中扮演着越来越重要的角色，很多企业期望通过系统改造结合 AI 技术来提升自动化生产及监管能力，却因定制难度高、验证周期长、部署成本高等因素而未落到实处。
联盟举办此次讲习班，为科技工作者更加深入地了解 AI 领域学科前沿，加强学术交流、开阔视野、提高技术水平提供了平等交流的平台，并可同相关领域的一流专家、 资深科研人员、企业精英进行深度研讨，进一步促进 AI 与机器视觉技术的产、学、研一体的良性发展。
讲习班宗旨：为中国机器视觉行业工程技术人员传授专业技术知识；为规模较小、自身不具备培训能力的视觉公司、设备生产企业及相关从业人员进行专业培训；为在校大学生及科研院所的相关专业人员提供学习交流的平台，学员通过学习培训将对机器视觉技术特别是人工智能深度学习技术在工业视觉领域的应用有更加深入地认识和了解，实际操作能力得到较大提高，具备机器视觉行业公司及相关单位对从业人员的技术条件要求。
此次讲习班的主要课程包括两部分,即：
（1）机器视觉核心部件选型使用课程；
（2）工业视觉场景中深度学习算法应用及方法论；
由在这一领域从业多年的实践型专家进行授课。共享知识激发活力提升标准。
课程内容既有行业中的典型案例剖析，又有人工智能下机器视觉技术领域的发展趋势及技术的创新讲解。 参会者不仅可以深入了解学习专家们对本领域基础知识和最新进展的集中讲解，更可以获得与顶尖专家近距离交流的机会。
- 一、光源选型实战技巧（120 分钟）
-
了解：
（1）机器视觉相关的基本概念
（2）机器视觉的光源的分类及特点
（3）机器视觉中光的特点及应用
（4）机器视觉中打光方式基本概念
（5）机器视觉中配件的应用及功能
（6）机器视觉中光源的选择/案例
（7）机器视觉中控制器的选择
- 二、光学成像基础知识及选型（120分钟）
-
了解：
（1）光学成像基础知识
（2）远心镜头与非远心镜头的区别
（3）工业镜头类型与应用
（4）特种镜头介绍和应用
（5）工业镜头选型
- 三、工业相机的应用与选型（120 分钟）
-
了解：
（1）工业相机的基础知识及应用
（2）读码器相机的基础知识及应用
（3）3D 相机的基础知识及应用
（4）选型技巧
掌握：
（1）各类相机的特点及选型方法
（2）视觉工具软件 vision master 的基本使用
- 四、视觉深度学习基础（60 分钟）
-
了解：
（1）视觉深度学习涉及的典型算法流程
（2）视觉深度学习的基本能力
（3）前向推理、反向传播等深度学习优化与应用的基本概念
（4）深度学习算法训练与运行依赖的软硬件环境
掌握：
（1）深度学习算法的训练过程
（2）常用算法：分类、检测、分割，以及深度学习的应用场景
（3）深度学习算法的运行环境配置
应用：
（1）完成基本的算法训练
（2）完成深度学习模型的部署
- 五、分类网络基础知识及模型优化方法（60 分钟）
-
了解：
（1）物体分类的基本概念和流程
（2）常见卷积神经网络（CNN）结构
（3）深度学习分类模型训练参数
掌握：
（1）分类模型的应用场景与挑战
（2）模型在速度和精度上的评价方法
（3）深度学习分类模型调优策略（数
据、训练、模型）
应用：
（1）了解手写体数字识别
（2）ImageNet图像分类
- 六、检测模型基础知识（60 分钟）
-
了解：
（1）什么是目标检测
（2）常用的目标检测方法
（3）一种具体的目标检测的基本原理和具体流程
（4）常见的目标检测数据集及常见算法的效果
掌握：
（1）常见目标检测方法原理
（2）FCOS等常用目标检测算法的使用
（3）目标检测算法模型的评估方法和指标
应用：
（1）目标检测算法的部署参数调整（2）漏检和误报的处理
（3）小目标的检测
- 七、分割模型基础知识（60 分钟）
-
了解：
（1）分割的基本概念
（2）怎么解决语义分割问题
（3）FCN、Mask RCNN、SOLOv2等常见分割网络
掌握：
（1）语义分割的评价指标
（2）语义分割的训练和部
- 八、实践案例：安全带检测（60 分钟）
-
（1）实战案例的问题分析
（2）实战案例的破题过程与方案设计
（3）方案执行过程中的问题及解决思路
（4）多种方案的效果对比及最终选择原因
（5）全程复现项目从理解到交付的关键过程，提供项目实际经验参考
- 九、工业视觉场景中深度学习算法应用方法论（60 分钟）
-
了解：
（1）从缺陷特点、算法技术、物理世界及业务价值方面综合评估项目可行性的方法与模型
（2）如何与业主方QA等业务人员确定缺陷图像标准
（3）工业质检场景算法方案设计的方法
（4）如何构建高质量的数据集合加速模型指标提升
（5）工业质检场景中模型训练优化与数据标准修正及指标取舍的方法
掌握：
（1）工业缺陷检测项目可行性分析的方法
（2）缺陷标准确认与更新的方法
（3）能为复杂的质检项目进行算法模块能力的拆解
（4）对交付过程中的数据及模型问题有体系化的应对方法
- 十、工业场景深度学习的应用-分类（60 分钟）
-
了解：
（1）工业缺陷检测中分类模型的应用场景
（2）分析了解公开的分类数据集
掌握：
（1）在分类数据集上获得初版模型的方法
（2）在初版分类模型的基础上进行优化
（3）可完成优化后模型的部署
- 十一、工业场景深度学习的应用-检测（60分钟）
-
了解：
（1）工业缺陷检测中检测模型的应用场景
（2）分析了解公开的检测数据集
掌握：
（1）在检测数据集上获得初版模型的方法
（2）在初版检测模型的基础上进行优化
（3）可完成优化后模型的部署
- 十二、工业场景深度学习的应用-分割（60分钟）
-
了解：
（1）工业缺陷检测中分割模型的应用场景
（2）分析了解公开的分割数据集
掌握：
（1）在分割数据集上获得初版模型的方法
（2）在初版分割模型的基础上进行优化
（3）可完成优化后模型的部署
- 十三、实践中模型的选择方法（60分钟）
-
了解：
（1）量化的模型能力评估方法
（2）模型优化的整体思路
（3）从数据、模型到业务处理的模型优化方法
（4）优化后的交叉验证方法
（5）对选择的模型如何进行部署
掌握：
（1）能通过模型基本指标及测试集的可视化结果分析模型的问题
（2）根据问题灵活运用模型优化的方法
（3）对优化的结果进行验证
（4）掌握模型部署方法
- 十四、工业场景中模型调优实战方法（60分钟）
-
了解：
（1）在项目场景中精度指标背后的意义
（2）误报漏报产生的多种因素
掌握：
（1）精度指标判读、阈值修改及对模型的评价
（2）掌握分析漏报、误报产生原因的方法
（3）掌握推理加速及训练加速的方法
- 十五、实践案例：锂电池（60分钟）
-
（1）实战案例的问题分析
（2）实战案例的破题过程与方案设计
（3）方案执行过程中的问题及解决思路
（4）多种方案的效果对比及最终选择原因
（5）全程复现项目从理解到交付的关键过程，提供项目实际经验参考
- 十六、PCB内检AI检验（60分钟）
-
（1）实战案例的问题分析
（2）实战案例的破题过程与方案设计
（3）方案执行过程中的问题及解决思路
（4）多种方案的效果对比及最终选择原因
（5）全程复现项目从理解到交付的关键过程，提供项目实际经验参考
- 十七、实践案例：光伏电池（60分钟）
-
（1）实战案例的问题分析
（2）实战案例的破题过程与方案设计
（3）方案执行过程中的问题及解决思路
（4）多种方案的效果对比及最终选择原因
（5）全程复现项目从理解到交付的关键过程，提供项目实际经验参考
- 十八、深度学习应用中的高级技巧（60分钟）
-
了解：
（1）深度学习中的超参数设置与使用效果
（2）数据扩充的多种前沿方案
（3）高级的预训练模型获取方式
（4）无监督训练方法在高良率或偶发缺陷中的应用
- 十九、智能相机的特点及常用工具（180分钟）
-
了解：
(1）智能相机的组成及特点
(2）相机标定基础知识
(3） 轮廓定位与Blob分析概念
(4） 检测工具组与边缘检测
(5） 常用输出模块工具使用基础
- 二十、机器视觉系统设计（180分钟）
-
了解：
（1）项目启动前的需求分析
（2）设计详细的项目规格书
（3）选择合适的硬件产品
（4）视觉系统的验收准备
（5）项目验收要点分析
（6）客户培训工作如何展开
（7）案例分享
应用：
（1）锂电池定位的项目设计流程
（2）结合需求场景的光源控制器选型
-
-
-
-
-
-
-
-
-
陈想
达摩院工业视觉智能团队3C方向负责人、阿里巴巴达摩院算法专家2015年硕士毕业于清华大学电子工程系，从事计算机视觉研究及应用落地超过九年，其中在工业视觉质检领域超过四年，在3C、钢铁、食品等多个行业完成多个有影响力的落地案例，相关专利10+。 -
罗斌
达摩院工业视觉智能团队工业平台负责人、达摩院算法专家2013年博士毕业于香港大学电机与电子工程系。入选深圳市海外高层次人才。硕士期间曾多次参加国家863项目。博士期间在顶级期刊IEEE TSP、TCOMM、TWC、TVT等发表多篇文章，顶级会议GLOBECOMM、ICCS论文多篇，专利10+偏。从事计算机视觉研究及应用超过十年。 -
陈列
阿里巴巴达摩院高级产品专家负责工业视觉智能产品体系-“见微”的整体规划与实现，通过光伏电池、PCB-AOI、钢铁表检、废钢定级及锂电池表检的多个场景完成了产品的0到1及能力验证。致力于实践阿里巴巴普惠行业的价值观，以“见微”产品将达摩院技术赋能给视觉生态伙伴。
